Пошук академічних текстів

Інформація × Реєстраційний номер 2121U007223, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Система прогнозування інсульту на основі медичних даних пацієнтів Автор Позняк Дар'я ІгорівнаPoznyak Dar'ya Ihorivna Дата публікації 01-06-2021 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/45228 Видання Київ Опис Дипломна робота: 94 c., 24 рис., 7 табл., 2 додатків, 21 джерело. Предмет дослідження: алгоритми прогнозування інсульту на основі статистичних та структурних моделей. Об’єкт дослідження: відкритий набір медичних даних пацієнтів з веб- платформи Kaggle. Мета дослідження: проаналізувати існуючі моделі прогнозування, розробити власну систему прогнозування інсульту на прикладі медичних даних пацієнтів. Використані моделі: у програмній реалізації було використано модель градієнтного бустингу. Актуальність роботи обумовлена тенденціями глобалізації та діджиталізації, які в свою чергу призводять до зміни образу життя сучасної людини, що викликає потребу у розробці новітніх методів діагностики захворювань, а також вимагає нетривіальних рішень зі зберігання та обробки медичних даних. Отримані результати: побудована система прогнозування інсульту, що може класифікувати ризик виникнення інсульту у пацієнта з прийнятною точністю. У рамках подальшого розвитку дослідження пропонується підвищувати точність отриманих моделей, врахування більшої кількості характеристик стану здоров’я пацієнтів, що можуть бути пов’язані із настанням інсульту. Thesis: 94 p., 24 fig., 10 tabl., 2 appendices, 21 sources. Subject of research: stroke prediction algorithms based on statistical and structural models. Object of study: a set of patients` medical data from the Kaggle web platform. The purpose of the study: to analyze existing models of prognosis, to develop their own system for predicting stroke on the example of medical data of patients. Models used: gradient boosting model was used in the software implementation. The urgency of the work is due to trends in globalization and digitalization, which in turn lead to changes in the lifestyle of modern man, which necessitates the development of new methods for diagnosing diseases, as well as requires non-trivial solutions for storage and processing of medical data. Results obtained: A stroke prediction system has been developed that can classify the risk of stroke in a patient with acceptable accuracy. As part of the further research, it is proposed to increase the accuracy of the obtained models, taking into account more characteristics of the health status of patients that may be associated with the stroke disease. Додано в НРАТ 2025-11-05 Закрити